共查询到20条相似文献，搜索用时 15 毫秒
1.
作为社交网络重要载体,微博成为信息传播的重要平台,承载着公众情感表达及舆论传播的重要功能。对微博博文及评论作出主题概括及情感分析在网络管控、舆情监测及公众情绪引导方面具有重要的实践意义。提出一种基于机器学习与文本分析的主题概括及情感分析模型。以武汉理工大学研究生坠亡事件为话题,利用Word2vec将文本转化为词向量,并且通过机器学习聚类方法对舆情各个生命周期过程进行主题概括,采用基于词典文本分析方法,对评论文本进行多元情感分析,对表现突出的情感大类作细粒度分析,最终实现基于主题与情感分析的多元细粒度公众情感变化分析模型。该分析模型可在特定舆情事件下得出公众在各阶段的关注中心及情绪变化规律,实现舆情主题与情感变化的协同演化研究。 相似文献
2.
随着微博用户数量的不断增多,微博舆情分析得到了高度重视,可视化研究成为微博舆情分析的热门课题。现有的微博舆情可视化研究主要从影响力、传播过程、语义等方面进行分析,往往使用折线图、柱状图等形式展现结果。借助D3.js可视化库数据驱动、高效灵活的特点,提出了一种以力导向图为基础的微博舆情可视化方案。该方案可实时、直观地展现当前微博舆情热点及其关注度、用户情感和热点间的相关性。 相似文献
3.
以“贵州公交车”突发事件为例，基于微博平台，采用风险社会放大框架中风险信息的传播和风险的社会反应两个模块对突发事件网络舆情的演化机制进行分析，发现政府、媒体和公众是网络舆情风险放大的3大主体，并通过文本情感分析，关键词提取和情感极性判断，分析这一网络舆情事件的演化规律，并提出相应的舆情引导策略。 相似文献
4.
周建华 《西安文理学院学报》2014,(4):75-81
海量数据给微博舆情实时监控预警带来了严峻的挑战,将Hadoop关键技术引入微博舆情分析研究领域,以探寻分布式环境下的高效率短文本数据查询与推理方法,以微博数据结构为基础,结合云计算Hadoop关键技术特性,提出了一种海量微博数据分析预警框架.HDFS为海量微博的数据提供了存储,而MapReduce为海量微博的数据提供快速运算.采用Map(映射)和Reduce(规约)规则,对微博用户关系和内容数据的大规模数据集进行并行运算,以实现并行化高效预处理、深度分析和舆情实时五级预警.为验证计算效率与Reduce任务数之间关系,对Reduce任务数进行实验,结果表明,在Map一定的情况下,随微博数据集的增大到2 GB后,多任务数Reduce执行时间相比少任务数Reduce大大缩短. 相似文献
5.
刘璐 《湖南科技学院学报》2023,(4):72-76
随着网民在微博等社交媒体平台参与度不断提升,越来越多的网民开始关注热点事件,并不断发表个人言论。以2021年河南郑州“7·20”特大暴雨为研究个案,基于新浪微博2021年7月18日至8月6日的全量数据,分别从时间、发布主体、网民情绪演化和高频词四个视角探寻网民对该网络舆情事件发布主体情绪的类型、特征、强度和规律。研究发现：预警期“好”“恶”、应急期“好”“恶”、灾后期“好”“哀”等这几个类别平均情感强度较大,通过了解和把握发布主体的情绪呈现及其舆情特征,可为政府及其有关部门舆情监测和舆论引导提供新的思路。 相似文献
6.
对微博热点问题演变过程的研究和分析是监测、控制网络舆情的基础。本文通过合理的假设和参数设定,建立非线性偏微分方程模型—KdV方程,来描述微博舆情的演变过程,并利用KdV方程的孤子解,讨论微博热点问题的传播、演化规律,给出微博舆情控制方法的理论依据。 相似文献
7.
推动微博舆情事件演化是众多意见领袖共同作用的结果,因此识别意见领袖群对于舆情事件的监管具有重要作用。提出微博舆情话题下的意见领袖群识别模型,综合考虑用户属性特征、交互特征和网络结构,设计微博舆情下用户影响力评估算法MUR,并结合K-means算法形成MUK-means算法,实现对意见领袖群的识别。以新浪微博数据进行实验,MUK-means算法的聚类时间（14s）远远少于传统K-means算法（32s）,而且基于MUK-means算法得到的意见领袖群的用户覆盖率高达86.3%。实验结果表明,MUK-means算法改进了K-means算法初始聚类中心不确定的缺点,不仅提高了聚类效率,而且实现了对意见领袖群的有效识别。 相似文献
8.
话题检测与舆情分析是网络舆情监控中的热点问题,对热点话题进行检测并对舆情预警度进行分析将有助于舆情监控和管理。考虑话题的周期性,建立基于时间窗口的原始指标,利用主成分分析方法得到有关综合指标,利用两层隐含层的BP神经网络方法建立舆情分析判别模型|利用MB-SinglePass算法对数据进行话题检测,并选取10个话题进行舆情预警度判别,实现对微博话题的检测与舆情分析。最后将话题检测结果与人工标记话题结果进行比较分析,验证了话题检测算法的正确性和有效性。同时通过与其它舆情分析判别模型进行实验比较,发现在实验条件相同的情况下,该原始指标和分析判别模型得到的舆情预警度分类结果准确率更高,增加的时间成本代价也在可接受范围内。 相似文献
9.
探讨了微博在舆情生产中具有的作用与特征:社会话语的叙事空间,产生舆情的公共领域,微文本的生产方式以及"泛冲突化"的表现形式。在分析微博舆情生产模式的基础上,从内容维度和时间维度两个方面对微博舆情价值进行判断,并提出了处理微博舆情的几点思考。 相似文献
10.
在网络微博时代,高校的舆情引导问题是高校维稳工作的重要问题。本文从高职院校的微博舆情的发展现状出发,总结出高职院校微博舆情的传播特点,根据对热点事件的分析推出微博舆情的演化过程,进而对高职院校微博舆情引导策略进行探讨。 相似文献
11.
12.
13.
14.
当前互联网快速发展,网络社会与现实社会逐渐同步,网上网下事件的关联性提高,网络舆情也越来越能够及时反映现实社会中发生的事情。因此,网络舆情监测不仅能够了解民意,为相关决策部门制定方案提供参考,而且能够通过大数据分析,对突发事件进行及时预警。以互联网上微博、贴吧、论坛、新闻评论等信息作为对象,以实用性为原则,研究一种基于文本自动分类的网络舆情监测方法。该方法通过网络爬虫抓取互联网上的信息,并采用基于KNN算法的文本自动分类方式完成网络舆情自动分类,最后通过实验验证了该方法的实用性。 相似文献
15.
根据依存句法,分析出句子中词语间的依存关系,找出词语级情感影响因子-副词、否定词,并建立情感元素模型,计算情感元素模型分值。对微博中每句话的情感进行分类,根据粒度分别求和,将最大值所对应的细粒度作为句子的情感的策略,对整条微博则采用句子得分最大的前两句所对应的细粒度作为微博的主副情感策略。在第三届自然语言处理与中文计算会议(NLP&CC2014) 的微博情绪判别及分类的评测任务中,应用该方法取得了较好效果。 相似文献
16.
针对当前基于LDA模型扩展的文本情感分析方法未能考虑同一词语在不同语境下其情感极性的差异及非特征情感词对微博文本情感极性的影响这两个问题,提出一种基于语境分类和遗传算法的微博情感分析方法。该方法首先利用LDA模型构造微博主题集及微博主题词集,然后用微博标签数据逐一对各微博主题词集应用遗传算法自动迭代计算得出词集中词语的情感值,最后利用词集词语的情感值计算微博文本情感极性。实验结果表明,该方法精确度比LDA提升3.12%,召回率达87.32%,F1达73.79%,能够从语境和非特征情感词获取微博情感信息,有效提高情感分类准确率。 相似文献
17.
微媒体的勃兴塑造了强大的微文化场域,成为当下思想文化交流的集散地和舆论信息的放大器。高校大学生作为微文化场域的特殊力量,以微博、微信等为载体的"微传播"方式成为这一群体主流的信息渠道,舆情的研究视野随之发生转移。研究高校学生网络舆情的生成机制、演化规律和舆情干预机制,是加强新形势下大学生思想政治教育的重要议题。 相似文献
18.
为系统分析国内高校网络舆情研究热点及研究趋势,采用共现分析、LDA主题模型等文本挖掘方法对国内高校网络舆情研究的学术论文进行分析。从宏观和微观两个层面展开分析,宏观层面以关键词共现网络为基础,利用社区挖掘方法抽取关键词语义社区,分析高校网络舆情主要研究内容;微观层面以学术论文摘要语料库为基础,利用LDA主题模型抽取潜在研究主题,度量主题强度及其演化趋势,发现当前研究热点。研究结果发现当前国内高校网络舆情有6大热点研究主题,其中高校网络舆情引导、监测和演化分析的研究热度将持续增强。最后对高校网络舆情研究进行展望,提出未来研究方向和研究问题。 相似文献
19.
